Pandas如何按标识匹配关联行，新增对应事件时间及关联值列

核心思路 #

原数据存储了两类可拆分的信息，拆分后关联即可实现需求，比透视表逻辑更简洁、性能更优：

• 主数据：identification列非空的行，存储标识、初始值、初始时间
• 事件数据：identification_bis列非空的行，存储事件发生时间、对应关联标识、事件值

实现代码 #

import pandas as pd

# 构造示例原始DataFrame，实际使用时替换为你自己的df即可
df = pd.DataFrame([
    ["2021-10-07 10:00:01", "123456789", 1000, "", ""],
    ["2021-10-07 10:00:05", "", "", "123456789", 900],
    ["2021-10-07 10:00:10", "", "", "123456789", 100]
], columns=["timestamp", "identification", "value", "identification_bis", "value_bis"])

# 拆分主表，仅保留identification非空的行，删除无用字段
# 若你的空值是None/NaN，将!= ""替换为.notna()即可
main_df = df[df["identification"] != ""][["timestamp", "identification", "value"]].copy()

# 拆分事件表，仅保留identification_bis非空的行，重命名字段用于后续关联
event_df = df[df["identification_bis"] != ""].rename(
    columns={"timestamp": "event_time", "identification_bis": "identification"}
)[["identification", "event_time", "value_bis"]].copy()

# 按标识字段等值关联得到最终结果
result = pd.merge(main_df, event_df, on="identification", how="left")

适配说明 #

• 该方案天然支持多个不同identification值的批量处理，无需额外调整逻辑
• 可以根据你的实际空值格式（空字符串/NaN/None）调整筛选条件即可正常运行

内容的提问来源于stack exchange，提问作者LaGabriella